Ứng dụng AI vào kế hoạch lấy mẫu kiểm tra đầu vào: quản trị AQL và rủi ro nhà cung cấp

Khi triển khai AI cho kế hoạch lấy mẫu kiểm tra đầu vào trong nhà máy, câu hỏi đầu tiên không phải thuật toán muốn kiểm bao nhiêu sản phẩm. Cần xác định kế hoạch đã phê duyệt nào áp dụng cho nhà cung cấp, phiên bản linh kiện, đặc tính và lô hàng cụ thể. Tại nhà máy ở Thái Lan, dữ liệu mua hàng, kho và chất lượng thường nằm ở nhiều hệ thống. AI có thể tập hợp bằng chứng và báo ngoại lệ; ISO 2859-1:2026 hoặc phương án đã thỏa thuận trong hợp đồng vẫn là căn cứ cho lấy mẫu và quyết định đối với lô. Bài viết trình bày phạm vi mua hệ thống, PoC và tiêu chí nghiệm thu.

Xác định lô trước khi chọn kế hoạch lấy mẫu đầu vào

Ghi nhận hàng vào kho khác với cho phép sử dụng về mặt chất lượng. Số thùng có thể đúng trong khi kích thước trọng yếu, mác vật liệu hoặc chứng chỉ chưa được xác nhận. Hãy xác định ranh giới giữa nhận hàng, chờ kiểm, cách ly và cho phép sử dụng cùng tác động lên việc cấp vật tư cho sản xuất. Bài thiết kế hệ thống nhận hàng và kiểm tra đầu vào giải thích thêm về ranh giới giao dịch này.

Cùng nhà cung cấp và cùng ngày nhận không có nghĩa là một lô: hàng có thể được sản xuất trên dây chuyền, mẻ vật liệu hoặc lò nhiệt luyện khác nhau. Ngược lại, tùy tiện tách một quần thể sản xuất đồng nhất thành nhiều lô nhỏ có thể làm sai lịch sử kiểm. Ghi nhà cung cấp, cơ sở sản xuất, mã và phiên bản linh kiện, lô gốc, mã thùng hoặc pallet, số lượng và mã lần nhận. AI có thể đề xuất dữ liệu đọc từ nhãn, nhưng nhân viên nhận hàng và QA phải xác nhận trường hợp mơ hồ. Nếu chia hay gộp lô, giữ liên kết lô cha-con và đánh giá kết quả lấy mẫu cũ còn hợp lệ với quần thể mới hay không.

Một kế hoạch dùng được phải nối đặc tính cần kiểm, tiêu chuẩn và phiên bản, mức kiểm, chỉ số AQL nếu áp dụng, cỡ lô, kiểu kế hoạch, cách chọn ngẫu nhiên, cỡ mẫu, ngưỡng chấp nhận/từ chối, trạng thái chuyển đổi, tuyến xử lý ngoại lệ và người phê duyệt. Thiếu một đầu vào bắt buộc thì con số AI đề xuất dù trông hợp lý vẫn không đủ căn cứ. Giữ lô ở trạng thái chờ và giải quyết thiếu sót thay vì sao chép kế hoạch của lần nhận trước.

Đặt ISO 2859-1:2026 và AQL làm căn cứ được phê duyệt

ISO mô tả ISO 2859-1:2026 là ấn bản thứ ba về các phương án lấy mẫu kiểm tra theo thuộc tính từng lô, lập chỉ mục bằng AQL. Phần giới thiệu công khai nêu kế hoạch lấy mẫu một lần, hai lần và nhiều lần, hướng dẫn áp dụng cập nhật và thủ tục skip-lot. Trang giới thiệu không phải toàn bộ bảng của tiêu chuẩn. Nhà máy cần dùng ấn bản có quyền sử dụng, quy trình đã duyệt và hợp đồng khách hàng để xác định cỡ mẫu cùng số chấp nhận/từ chối thực tế. Việc ISO xuất bản bản mới không tự sửa hợp đồng đang dẫn chiếu bản cũ hoặc quy định riêng.

ASQ mô tả ANSI/ASQ Z1.4 là phương án lấy mẫu theo thuộc tính, có các mức bình thường, chặt hơn, giảm nhẹ và quy tắc chuyển đổi cho chuỗi lô liên tục. Z1.9 áp dụng cho dữ liệu đo lường. Đây là tài liệu riêng; không được giả định bảng hoặc điều kiện giống ISO 2859-1:2026. Mỗi quyết định cần ghi tiêu chuẩn, ấn bản, hợp đồng và phiên bản kế hoạch đã dùng.

AQL là chỉ số trong phương án lấy mẫu, không phải bảo đảm mỗi lô đã nhận có tỷ lệ lỗi thấp hơn con số đó. Phần giải thích đường cong OC của NIST cho thấy xác suất nhận lô phụ thuộc tỷ lệ lỗi thực, cỡ mẫu và số chấp nhận. Vẫn có khả năng từ chối lô tốt hoặc nhận lô xấu. Rủi ro của người sản xuất và khách hàng phải được cân nhắc theo đặc tính và mục đích sử dụng. Dòng chữ “AQL 1.0 nghĩa là lô này được phép có 1% hàng lỗi” trên màn hình sẽ gây hiểu nhầm.

Giả sử một lô nhập 1.000 chiếc. Số lượng và nhãn AQL chưa đủ tính cỡ mẫu: còn cần mức kiểm, kiểu kế hoạch, trạng thái chuyển đổi, đặc tính và ấn bản áp dụng. Ví dụ này không đưa ra cỡ mẫu hoặc số Ac/Re. Hệ thống thật phải lấy từ kế hoạch đã duyệt và hiển thị căn cứ cùng kết quả quan sát. Kế hoạch hai hoặc nhiều lần cần logic riêng cho từng giai đoạn. Đặc tính an toàn, pháp quy hoặc đặc tính đặc biệt của khách hàng có thể phải kiểm thêm hay kiểm 100% theo hợp đồng dù AI cho điểm rủi ro thấp. Chứng chỉ vật liệu cũng không đủ nếu số mẻ luyện hoặc phiên bản bản vẽ không khớp hàng thực tế.

Dùng lịch sử chất lượng nhà cung cấp để sàng lọc rủi ro

Vai trò của AI là ưu tiên bằng chứng QA cần xem, không phải tự quyết định cho dùng lô. Dữ liệu hữu ích gồm lỗi đầu vào được xác nhận, hành động khắc phục, thay đổi cơ sở sản xuất, thông báo thay đổi đến muộn, chứng chỉ thiếu và kết quả kiểm bất thường. Phân tách theo nhà cung cấp, cơ sở, mã hàng, phiên bản, đặc tính và khoảng thời gian. Một nhà cung cấp có thể có chất lượng khác nhau ở từng nhà máy và sản phẩm. Mã hàng mới thiếu lịch sử; mã hàng quen thuộc có thể trở nên rủi ro sau khi chuyển công đoạn hoặc sửa bản vẽ. Giao diện nên ghi “không đủ dữ liệu” hoặc “điều kiện đã thay đổi” thay vì coi dữ liệu thiếu là rủi ro bằng không.

Số vụ lỗi cần mẫu số. Mười vụ trong mười lô được kiểm khác mười vụ trong mười nghìn lô. Sau khi giảm kiểm, số lỗi phát hiện có thể giảm chỉ vì xem ít sản phẩm hơn. Giữ số lượng nhận, số lượng đã kiểm, chính sách kiểm và nơi phát hiện lỗi cạnh số vụ. Báo cáo 8D đã nộp khác với việc xác nhận biện pháp khắc phục có hiệu lực. AI tóm tắt tài liệu phải liên kết về bản gốc, trạng thái phê duyệt và các lô bị ảnh hưởng.

Đặc trưng phù hợp có thể là lỗi đã xác nhận của cùng mã hàng và đặc tính, trạng thái chuyển đổi hiện tại, thay đổi nhà cung cấp được duyệt, chứng chỉ không khớp và hồ sơ kiểm bị thiếu. Tránh dùng tên tài xế, người kiểm hay thứ trong tuần như đại diện cho chất lượng sản phẩm của nhà cung cấp. Nếu mô hình hiển thị xác suất, phải công bố quần thể huấn luyện, cách hiệu chuẩn, tỷ lệ báo động sai và bỏ sót trên điều kiện triển khai. Một câu có thể kiểm tra, như “chưa xác nhận hiệu lực của hành động khắc phục cho mã hàng này”, thường hữu ích hơn điểm số không có ngữ cảnh.

Tách bộ quy tắc kế hoạch khỏi AI hỗ trợ

Bộ quy tắc chọn kế hoạch đã duyệt từ hợp đồng, mã hàng, đặc tính, cỡ lô và lịch sử chuyển đổi. AI tìm, tóm tắt bằng chứng và đề xuất lý do để QA xem. Tín hiệu rủi ro cao có thể đề xuất kiểm thêm hoặc cách ly để người có quyền phê duyệt. Tín hiệu thấp không được âm thầm giảm kiểm bắt buộc. AI không tự thay AQL, cỡ mẫu, Ac/Re hay trạng thái chuyển đổi. Cập nhật mô hình không được làm thay đổi quy trình lấy mẫu đã phê duyệt; cập nhật hợp đồng cũng không nên phụ thuộc vào việc huấn luyện lại mô hình.

Khi phiên bản trên nhãn khác bản vẽ, cơ sở sản xuất chưa đăng ký, số thùng lệch hoặc hợp đồng mơ hồ, hệ thống phải giữ lô để xem lại. AI có thể gợi ý giá trị nhưng cần giữ tài liệu gốc và người xác nhận. Trên màn hình, tách “kế hoạch chính thức” khỏi “cảnh báo AI”. Quyết định kiểm thêm tạm thời phải có lý do, phạm vi lô và dấu vết phê duyệt. Cách nối dữ liệu giữa các bộ phận liên quan tới hệ thống quản lý chất lượng tại nhà máy ở nước ngoài.

Giữ quy tắc chuyển đổi AQL và điều kiện skip-lot

Bình thường, chặt hơn và giảm nhẹ không phải công tắc thay đổi theo điểm AI của một lô. Phương án đã duyệt áp dụng điều kiện cho chuỗi lô liên tục. Phần giới thiệu ISO cho biết bản 2026 có quy tắc chuyển đổi và thủ tục skip-lot, nhưng điều kiện cụ thể phải lấy từ tiêu chuẩn và hợp đồng áp dụng. ASQ mô tả quy tắc chuyển trong Z1.4 riêng biệt. Quy tắc cá nhân “lô trước đạt thì giảm nửa số mẫu” không tương đương các phương án này.

Xác định khóa của lịch sử gồm hợp đồng, cơ sở sản xuất của nhà cung cấp, mã hàng hay nhóm đồng nhất được duyệt, đặc tính và phiên bản tiêu chuẩn. Trộn lịch sử sản phẩm khác nhau có thể khiến mặt hàng tốt che mặt hàng xấu. Ghi thứ tự lô, ngày kiểm, kết quả, lô nộp lại, lô bỏ qua, quy tắc gây chuyển trạng thái và người duyệt. Định nghĩa cách xử lý số thứ tự thiếu, hàng trả lại và lỗi phát hiện muộn. Nếu AI thấy hồ sơ mâu thuẫn, tạm dừng chuyển trạng thái để QA xem, không tự lấp chỗ trống cho đẹp biểu đồ.

Skip-lot cần điều kiện đủ tư cách, cách chọn lô, theo dõi liên tục và cách hủy tư cách. Có thủ tục trong bản ISO mới không có nghĩa mọi khách hàng đã cho phép dùng. Nêu ngoại lệ đối với đặc tính trọng yếu và chứng chỉ. Khi kế hoạch đổi, ghi thời điểm có hiệu lực và lô đầu tiên áp dụng. Lưu ảnh chụp kế hoạch tại lúc phát phiếu kiểm; không tính lại kết quả lô cũ vì bảng dữ liệu gốc đã thay. Nếu dùng sai ấn bản, QA phải tìm các lô bị ảnh hưởng và quyết định cách ly, kiểm lại hay báo khách hàng.

Chọn mẫu từ hàng thật và lưu kết quả truy xuất được

Bảng chuẩn cũng thất bại nếu chỉ lấy hàng trong thùng trên cùng. Quy định cách phân bổ mẫu giữa pallet, thùng và thời điểm sản xuất. Nếu thiết bị cầm tay chỉ vị trí, lưu quần thể lấy mẫu, dấu vết chọn ngẫu nhiên, cách xử lý thùng không tiếp cận được và lý do thay mẫu. Xác nhận vị trí trên màn hình thực sự lấy được tại hiện trường.

Kết quả đo cần liên kết đơn vị, dụng cụ, trạng thái hiệu chuẩn, phiên bản bản vẽ và điều kiện liên quan. Với kiểm theo thuộc tính, phân biệt số đơn vị không phù hợp và số điểm không phù hợp; một chiếc có thể có nhiều lỗi. Không đưa số đo biến liên tục vào bảng chấp nhận theo thuộc tính. AI có thể gợi ý phân loại ảnh hoặc số đo, nhưng sản phẩm ranh giới vẫn cần mẫu giới hạn được duyệt và quyết định của người theo thủ tục.

Không đạt, giữ, kiểm lại, phân loại 100%, trả nhà cung cấp và chấp nhận ngoại lệ là trạng thái khác nhau. Kết quả lấy mẫu không đạt không được tự mở kho ERP thành hàng có thể dùng. Phân loại hoặc sửa sau đó là luồng xử lý riêng. Lấy lại mẫu thuận tiện nhiều lần cho tới khi đạt phá vỡ ý nghĩa kế hoạch. Quy định rõ cách nhận diện và xử lý lô nộp lại theo quy trình áp dụng.

Kiến trúc và phân quyền cho nhà máy tại Thái Lan

ERP cấp dữ liệu đặt mua và dự kiến nhận; WMS xác nhận lô thực; QMS hoặc ứng dụng kiểm quản lý kế hoạch và kết quả. AI chỉ đọc chứng chỉ, thông báo thay đổi và lịch sử được phép, rồi đặt đường dẫn bằng chứng trên màn hình. Mã đơn mua hàng không đủ làm khóa: nối ID nhà cung cấp, cơ sở sản xuất, mã hàng và phiên bản, lô nhà cung cấp, lần nhận, đặc tính và phiên bản kế hoạch. Giữ chuỗi ký tự lô gốc của nhà cung cấp dù tạo thêm giá trị chuẩn hóa.

Định nghĩa các trạng thái đã nhận, chờ kiểm, đang kiểm, giữ, đạt và được dùng, không đạt chờ xử lý; gắn từng trạng thái với quyền cấp hàng cho sản xuất. Khi thông điệp mở khóa ERP/WMS thất bại, cả lô vật lý và tồn kho trên hệ thống vẫn phải ở trạng thái giữ. Tách người nhập kết quả khỏi người cho phép sử dụng. Tách quyền sửa bảng kế hoạch, kiểm, sửa kết quả, duyệt kiểm thêm, duyệt chuyển trạng thái, xử lý lô và cập nhật mô hình. Ủy quyền thay phải ghi tên, thời hạn và lý do.

Nhật ký phải cho phép đi từ nhận hàng, chọn kế hoạch, lấy mẫu, đo, cảnh báo AI, người xem, quyết định tới mở khóa kho. Lưu người, thời điểm, ID dữ liệu gốc, ấn bản kế hoạch, phiên bản mô hình, bằng chứng đã hiển thị và lý do duyệt. Mô hình mới không ghi đè gợi ý mà người vận hành đã thấy. Giao diện tiếng Thái, Nhật và Anh phải dùng cùng ID cho mã hàng, đơn vị, trạng thái và đặc tính trọng yếu. Với tài liệu gửi tới nhà cung cấp AI, hợp đồng cần quy định phạm vi, nơi xử lý, thời hạn lưu, quyền truy cập và việc dùng để huấn luyện.

Kiểm chứng bằng PoC, RFP, FAT và SAT

PoC nên bắt đầu với một nhóm linh kiện và vài nhà cung cấp. Trước hết số hóa kế hoạch hiện có và chứng minh ID lô nối được với kết quả. Sau đó cho AI đối chiếu chứng chỉ, tóm tắt lịch sử. Đo xem AI tìm được ngoại lệ bị bỏ sót hay không và cảnh báo sai có làm tắc khâu nhận hàng không. Bộ quy tắc vẫn phải chạy khi AI ngừng để thử khả năng duy trì kiểm tra chính thức.

NIST AI Risk Management Framework đưa ra cách quản trị, xác định bối cảnh, đo và quản lý rủi ro. Phần Measure của Playbook nhấn mạnh chọn chỉ số theo rủi ro quan trọng và ghi nhận điều chưa thể đo. Trong kiểm đầu vào, cần thử ghép nhầm lô, sai ấn bản quy tắc, bỏ kiểm đặc tính trọng yếu, chứng chỉ của lô khác, dịch sai và sai lệch sau khi đổi mô hình, thay vì chỉ xem điểm mô hình. Chốt tiêu chí đạt theo linh kiện và yêu cầu khách hàng trước PoC.

RFP cần chỉ rõ ấn bản tiêu chuẩn và quyền sử dụng, chủ dữ liệu kế hoạch, thứ tự ưu tiên khi có nhiều kế hoạch, lịch sử chuyển đổi, quyền duyệt, vận hành khi mất mạng, giao tiếp ERP/WMS, xuất nhật ký và giới hạn dữ liệu AI. Yêu cầu nhà cung cấp tái tạo cùng kế hoạch và căn cứ từ cùng dữ liệu lô. Đề xuất chỉ ghi “AI tự tối ưu số mẫu” chưa giải quyết nghĩa vụ kiểm theo hợp đồng.

FAT thử nạp bảng kế hoạch, ranh giới lô, quyền, chuyển trạng thái và xuất nhật ký tại môi trường nhà cung cấp. SAT lặp lại với nhãn, thiết bị, dụng cụ đo, mạng, khu vực giữ và ca làm thực tại Thái Lan. Cả hai phải chứng minh người vận hành có thể bác bỏ đề xuất AI sai. Sau triển khai, theo dõi dùng sai kế hoạch, lệch ID lô, thời gian chờ, độ trễ duyệt, lý do chấp nhận hoặc bác bỏ đề xuất và lỗi phát hiện ở công đoạn sau. Diễn giải số lỗi cùng số đã kiểm và nơi phát hiện; ít lỗi hơn sau khi giảm lấy mẫu không chứng minh chất lượng tốt hơn.

Lỗi triển khai và phạm vi chi phí thường bị bỏ quên

Mã hàng của bộ phận mua, bản vẽ khách hàng và nhãn nhà cung cấp có thể khác nhau. Bảng đối chiếu cần phê duyệt và ngày hiệu lực. AI có thể đề xuất liên kết lần đầu, nhưng tương tự về chuỗi ký tự không thay được dữ liệu gốc đã duyệt. Một số thùng không đọc được mã có thể thuộc lô khác; đo tỷ lệ không đọc, nhập tay và kiểm lại, thay vì chỉ nhìn tỷ lệ tự động. Khi thiết bị mất mạng, quyết định giữ chờ hay ghi tạm trên giấy, rồi chống ghi trùng khi đồng bộ.

Nếu phát hiện dụng cụ đo quá hạn hiệu chuẩn, phải tìm mọi lô đã dùng nó trong giai đoạn liên quan. Lưu ID dụng cụ và trạng thái tại lúc kiểm. Chi phí phải tính dọn dữ liệu gốc, quyền dùng bảng tiêu chuẩn, kết nối ERP/WMS, nhãn, thiết bị, mạng, đào tạo và lưu nhật ký; tách chi phí ban đầu với vận hành. Không đánh giá hiệu quả bằng lời hứa giảm số mẫu đồng loạt. Đo thời gian tìm kế hoạch, thời gian phát hiện ngoại lệ, khả năng ngăn dùng hàng chưa duyệt và năng lực giải thích lô về sau.

Triển khai ba bước: rà soát kế hoạch và dữ liệu gốc mà chưa dùng AI; thử trạng thái bằng lô thật và ca làm thật; rồi thêm AI đối chiếu bằng chứng từ các vụ đã xảy ra. Cách này giúp xác định sự cố đến từ dữ liệu gốc, thao tác hiện trường hay mô hình. Huấn luyện không chỉ cách dùng gợi ý, mà cả lúc phải bác bỏ, người nhận bàn giao lô giữ và cách thu hồi quyền sử dụng. Sự kiện có thể đến sai thứ tự: lô đang kiểm thì thông báo đổi quy trình tới, hoặc khi đã cho dùng mới phát hiện lỗi của lô trước. Không tự ghi đè phiếu cũ; tạo sự kiện mới và đưa QA đánh giá ảnh hưởng.

Tách dữ liệu thử khỏi lịch sử chuyển đổi kế hoạch thật, nếu không lỗi giả định có thể ảnh hưởng lô tiếp theo. Sau khi chuyển hệ thống, QA đối chiếu lô cuối của hệ cũ với lô đầu của hệ mới về ấn bản kế hoạch, kết quả và trạng thái kho. Nếu hồ sơ cũ thiếu, ghi rõ khoảng thiếu và căn cứ phê duyệt trạng thái ban đầu, không dựng lại lịch sử giả. Thử thiết bị dừng giữa lúc kiểm: cần biết mẫu nào đã lấy, kết quả nào đã lưu và cách tránh nhập đôi hoặc gắn nhầm lô sau phục hồi. Phản hồi nhà cung cấp phải dựa trên biên bản lỗi đã xác nhận, bản vẽ và kế hoạch áp dụng do người kiểm tra, không chỉ gửi điểm AI không giải thích được.

Câu hỏi thường gặp

AI có tự quyết định kế hoạch lấy mẫu kiểm đầu vào được không?

AI tập hợp bằng chứng và đề xuất ngoại lệ. Kế hoạch chính thức đến từ hợp đồng, ấn bản áp dụng và quy tắc được duyệt. Mọi thay đổi cần QA phê duyệt và lưu vết.

Cùng AQL thì mọi linh kiện kiểm cùng số lượng phải không?

Không. Cỡ lô, mức kiểm, kiểu kế hoạch, trạng thái chuyển đổi, đặc tính và hợp đồng đều có ảnh hưởng. Dùng bảng có hiệu lực, không suy từ số AQL đơn lẻ.

Điểm rủi ro nhà cung cấp thấp có thể bỏ kiểm không?

Không chỉ vì điểm thấp. Kiểm giảm hoặc skip-lot chỉ dùng khi phương án và khách hàng cho phép, đủ điều kiện, theo dõi và có quy tắc thu hồi. Đặc tính trọng yếu có thể phải kiểm riêng.

Kiểm 100% thì không cần quản trị kế hoạch lấy mẫu?

Kiểm toàn bộ vẫn cần kiểm soát dụng cụ, khả năng phát hiện và hồ sơ. Thử phá hủy hoặc phép đo chậm có thể không khả thi cho mọi chiếc. Quy định phương pháp theo từng đặc tính.

Có nên tự chuyển sang ISO 2859-1:2026 ngay không?

Việc xuất bản bản mới không tự thay hợp đồng. QA và khách hàng cần chốt ấn bản, lô bắt đầu, bảng cập nhật, đào tạo và thử nghiệm nghiệm thu.

Kết luận

Hãy bắt đầu từ định nghĩa lô và đặc tính, kế hoạch được duyệt, lịch sử chuyển đổi, cách lấy mẫu thật và quyền cho sử dụng. Sau đó AI giúp QA nhìn thấy thay đổi của nhà cung cấp và bằng chứng còn thiếu với đường dẫn nguồn. Người có thẩm quyền phê duyệt thay đổi kế hoạch và cách xử lý lô; hệ thống giữ ấn bản quy tắc, phiên bản AI và lý do. Nếu nhà máy tại Thái Lan của bạn đang mô tả quy trình kiểm đầu vào và xác định chỗ AI có thể hỗ trợ, hãy liên hệ TOMAS TECH ngay từ giai đoạn xác định phạm vi. Thử trên một nhóm linh kiện và các lô thực sẽ giúp định rõ hệ thống cần mua.

Tài liệu tham khảo

• ISO: ISO 2859-1:2026
• ASQ: tiêu chuẩn Z1.4 và Z1.9
• NIST/SEMATECH: OC Curves
• NIST/SEMATECH: Choosing a Sampling Plan
• NIST: AI Risk Management Framework 1.0
• NIST AIRC: AI RMF Playbook — Measure